一种基于高光谱技术的菠萝糖酸比含量预测方法及其应用

本发明属于菠萝品质检测领域，具体涉及一种基于高光谱技术的菠萝糖酸比含量预测方法及其应用。

背景技术：

1、菠萝[

ananas comosus（l.）merr.]是全球重要的热带水果之一，2022年全球产量约为2936万吨，中国年产量约为190万吨，是仅次于香蕉的第二大热带水果。菠萝风味独特、营养丰富，富含维生素c、锰元素和膳食纤维，在国内外市场广受欢迎。

2、糖酸比是决定菠萝风味平衡和消费者接受度的核心品质指标，直接影响果实的甜酸协调性和食用体验。张秀梅等（2010）研究表明，菠萝果实成熟过程中糖酸比呈上升趋势，最佳食用期糖酸比为12～16，低于10或高于20的果实商品价值显著下降。糖酸比还与成熟度密切相关，是产地分级、采后处理和商品化包装的重要依据。在实际生产中，糖酸比是判断菠萝是否达到采收标准的关键参数。传统糖酸比测定依赖破坏性化学分析，操作过程繁琐、耗时长、破坏样品、成本高，无法实现大规模快速检测，不适合产地实时分选和供应链无损筛查。随着菠萝产业向规模化、标准化发展，以及消费者对品质一致性要求的提高，发展快速、无损、准确的菠萝内部品质检测技术已成为行业迫切需求。

3、高光谱成像技术以快速、无损、绿色、多组分同时测定的优势，已成为水果内部品质无损检测的主流方法。近红外光谱主要反映含氢基团（o-h、c-h、n-h）的倍频和合频吸收，与糖类、有机酸、水分等成分高度相关，具有坚实的化学计量学基础。国内外学者在柑橘、芒果、桃、猕猴桃等水果的内部品质预测上取得较好成果，预测集r²多在0.75～0.92。而关于糖酸比直接预测的研究鲜有报道，且现有研究多采用全波段建立模型，导致模型复杂度高、稳健性不足，难以适应在线检测的应用需求。因此，采用高光谱成像技术开展菠萝糖酸比预测的研究是目前亟需解决的问题。

技术实现思路

1、本发明采用可见/近红外高光谱成像技术，筛选出适用于菠萝糖酸比高精度无损检测的最优模型，为厚皮水果内部品质在线检测提供简洁、稳定的技术参考。

2、本发明的技术方案是这样实现的：

3、一种基于高光谱技术的菠萝糖酸比含量预测模型的构建方法，包括以下步骤：

4、（1）测定菠萝样品的光谱曲线获得原始光谱，对原始光谱进行预处理获得预处理光谱数据，对预处理光谱数据进行筛选，筛选出特征波段；

5、采用线性回归算法建立光谱-糖酸比线性模型。

6、进一步，所述步骤（1）中，所述的预处理方法为一阶导数（da）、二阶导数（dda）和/或对数变换（lga）；所述步骤（1）中，所述的光谱曲线包括可见-近红外（vnir，400-1000 nm）和近红外（nir，1000-1700 nm）两个波段。

7、进一步，所述步骤（1）中，采用lga预处理光谱，应用spa或peak-valley两种特征选择方法进行变量筛选。

8、进一步，所述步骤（1）中，应用spa特征选择方法选择的波段数为18个，应用peak-valley特征选择方法选择的波段数为17个。

9、进一步，应用spa特征选择方法选择的波段的波长分别为：449.840、515.016、551.438、653.035、674.121、706.709、746.965、902.236、975.080、1002.924、1082.456、1161.988、1250.877、1372.515、1442.690、1554.971、1681.287、1700.000；应用peak-valley特征选择方法选择的波段的波长分别为：459.425、469.010、482.428、639.617、672.204、819.808、861.981、865.815、978.914、1000.000、1002.924、1091.813、1208.772、1278.947、1452.047、1653.216、1657.895。

10、进一步，所述步骤（2）中，所述的线性回归算法为plsr、ridge、lasso、elasticnet。

11、一种预测菠萝糖酸比的模型，采用以上所述的构建方法构建而成。

12、所述的模型，以对数变换（lga）对原始光谱进行预处理，以peak-valley或spa进行特征波段选择，以线性回归构建模型。

13、一种基于高光谱技术的厚皮水果糖酸比含量的预测方法，包括以下步骤：

14、测定待测菠萝的光谱数据，按照以上所述的方法建立线性模型对菠萝糖酸比进行预测。

15、进一步，所述的厚皮水果为菠萝。

16、以上所述的预测方法在提高菠萝糖酸比预测能力、预测菠萝糖酸比、菠萝无损检测、菠萝无损分级和/或菠萝品质评价上的应用。

17、有益效果

18、本发明采用可见/近红外高光谱成像技术，系统比较偏最小二乘回归（plsr）、岭回归、lasso回归和弹性网络四种线性回归算法的性能，并探究全波段建模与特征选择建模两种策略的效能差异，最终确定菠萝果实糖酸比预测建模最优方案为“lga预处理 + peak-valley（或spa）特征选择 + 线性回归建模”（以lga-peak-valley-elasticnet为代表），筛选出适用于菠萝糖酸比高精度无损检测的最优模型，实现了高精度、高稳定性和低复杂度的最佳平衡。该方案变量少、物理意义明确、易于工程化，便于向低成本多光谱在线检测系统转化，可广泛应用于菠萝采后分级、成熟度监测和品质评价，以期为厚皮水果内部品质在线检测提供简洁、稳定的技术参考，具有重要的理论意义和实际应用价值。

1.一种基于高光谱技术的菠萝糖酸比含量预测模型的构建方法，其特征在于，包括以下步骤：

2.如权利要求1所述的构建方法，其特征在于，所述步骤（1）中，所述的预处理方法为一阶导数（da）、二阶导数（dda）和/或对数变换（lga）；所述步骤（1）中，所述的光谱曲线包括可见-近红外（vnir，400-1000 nm）和近红外（nir，1000-1700 nm）两个波段。

3.如权利要求1所述的构建方法，其特征在于，所述步骤（1）中，采用lga预处理光谱，应用spa或peak-valley特征选择方法进行变量筛选。

4.如权利要求1所述的构建方法，其特征在于，所述步骤（1）中，应用spa特征选择方法选择的波段数为18个，应用peak-valley特征选择方法选择的波段数为17个。

5.如权利要求1所述的构建方法，其特征在于，应用spa特征选择方法选择的波段的波长分别为：449.840、515.016、551.438、653.035、674.121、706.709、746.965、902.236、975.080、1002.924、1082.456、1161.988、1250.877、1372.515、1442.690、1554.971、1681.287、1700.000；应用peak-valley特征选择方法选择的波段的波长分别为：459.425、469.010、482.428、639.617、672.204、819.808、861.981、865.815、978.914、1000.000、1002.924、1091.813、1208.772、1278.947、1452.047、1653.216、1657.895。

6.如权利要求1所述的构建方法，其特征在于，所述步骤（2）中，所述的线性回归算法为plsr、ridge、lasso、elasticnet。

7.一种预测菠萝糖酸比的模型，其特征在于，采用权利要求1-6任一项所述的构建方法构建而成。

8.如权利要求7所述的模型，其特征在于，所述的模型，以对数变换（lga）对原始光谱进行预处理，以peak-valley或spa进行特征波段选择，以线性回归构建模型。

9.一种基于高光谱技术的厚皮水果糖酸比含量的预测方法，其特征在于，包括以下步骤：

10.如权利要求9所述的预测方法在提高菠萝糖酸比预测能力、预测菠萝糖酸比、菠萝无损检测、菠萝无损分级和/或菠萝品质评价上的应用。